在AI深度学习上，VR能做的有很多

人工智能，无论其算法多先进，长久的深度学习，建立庞大的数据库总是一款人工智能应用最底层也是最核心的技术。

从最初通过学习人类棋谱到“左右互搏”的AlphaGo，到训练34小时便能完胜AlphaGo Zero的AlphaZero。学习、训练才是人工智能无往不利的前提条件。

围棋的外在学习条件并不复杂，深度学习算法、一组计算机以及一个围棋程序便可组成AlphaZero最基本的组成部分。人工智能的应用前景异常宽广，然而在某些领域，机器学习的外在条件需求远比围棋来的复杂，如工业机械臂、智能无人机等。

外在的困难总是能够克服，一些程序员就试图通过VR训练AI。VR的虚拟世界是一个遵循物理规则无事时间规则的世界，在现实中，想要训练一台机械手臂抓取特定颜色的物体，需要将这种物体放于机器前面，通过算法，使之一遍遍的对这个物体进行识别、抓取、放置;而在虚拟世界里，机器可以在一秒内重复众多次这样的动作，而且还可以同时训练一堆机器，然后找到里面最聪明的一个，将它的“大脑”程序复制出来，创建一堆同样的机器再继续训练筛选。这种方式解决了部分现实中会出现场地、时间等的困难。

OpenAI就是其中之一，OpenAI是埃隆马斯克创立的人工智能研究公司。这个非营利性的公司募集了10亿美元，开发了一套新的自我学习系统。通过视觉网络与模拟网络两者结合VR技术使AI进行深度学习。当人类在VR中演示一次某个动作后，比如将桌面蓝色的小盒子叠放在红色小盒子上这个动作，机器通过学习这一动作就可以执行出相同的结果，并且不论桌面盒子摆放的顺序如何，机器都可以准确执行。

无独有偶，微软早在去年便开源了一个“空中信息与机器人平台”，这是一款通过高级虚拟现实训练人工智能的系统。可通过在VR的虚拟环境中模拟无数有细节差异的场景对无人机进行训练。节省了大量枯燥无味且耗时巨大的工作，同时还能全面彻底的对无人机进行障碍物覆盖。

除此之外，这套系统不止可以用于训练空中无人机，由于采用了先进的图形处理技术，可谓VR虚拟世界提供诸多细节，如不同程度而阴影、炫光、雾霾以及玻璃反光等。正是依托这种复杂物理环境，这套系统还可以用来测试无人驾驶、物流机器人等任何需要“自主行驶”的设备。随着物流、电商的愈发发展，无人送货也将迎来爆发，这种以VR训练AI的方式在无人送货的发展也可一展拳脚。

除了上述两个案例外，Facebook以VR训练人工智能弹奏音乐、Kindred AI使人通过VR远程操作只能机械臂，得出数据用以反哺机械臂深度学习。以VR训练AI的案例不一而足。

毫无疑问，虚拟现实中遵循物理无视时间的特性对人工智能的深度学习而言十分适用，当VR虚拟世界越来越真实，AI深度学习想必也会成为一件容易事。在AI深度学习上，VR能做的有很多